Grok 4.5 लॉन्च

 (x.ai)
2 पॉइंट द्वारा GN⁺ 3 시간 전 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • SpaceXAI ने coding, agent-आधारित tasks और knowledge work को ध्यान में रखकर अपना शीर्ष मॉडल Grok 4.5 लॉन्च किया
  • training process में दसियों हज़ार NVIDIA GB300 GPU का उपयोग किया गया, और data deduplication, quality scoring और domain-केंद्रित selection पर फोकस रखते हुए सिर्फ token scale के बजाय signal quality पर ज़ोर दिया गया
  • benchmark में Terminal Bench 2.1 83.3%, SWE Bench Pro 64.7%, DeepSWE 1.0 62.0%, DeepSWE 1.1 53% दर्ज किए गए
  • serving speed 80 TPS है, और SWE Bench Pro के प्रति task औसत output token 15,954 हैं, जो Opus 4.8(max) के 67,020 की तुलना में लगभग 4.2 गुना कम हैं
  • Grok 4.5 को Grok Build, सभी Cursor plans और SpaceXAI console में इस्तेमाल किया जा सकता है, लेकिन EU में उपलब्धता अभी शुरू नहीं हुई है और जुलाई के मध्य के लिए तय है

coding और agent tasks के लिए training और evaluation

  • Grok 4.5 को coding, science, engineering और mathematics knowledge वाले dataset पर train किया गया है, और वास्तविक engineering tasks तथा agent-आधारित tasks को इसका मुख्य use case माना गया है

  • benchmark results

    • comparison model के आंकड़े प्रत्येक developer की public system card या benchmark leaderboard से लिए गए हैं
    • DeepSWE 1.0: Grok 4.5 62.0%, Fable(max) 66.1%, GPT 5.5(xhigh) 64.31%, Opus 4.8(max) 55.75%, Opus 4.7(max) 40.12%
    • DeepSWE 1.1: Grok 4.5 53%, Fable(max) 70%, GPT 5.5(xhigh) 67%, Opus 4.8(max) 59%, GLM 5.2 44%
    • Terminal Bench 2.1: Grok 4.5 83.3%, Fable(max) 84.3%, GPT 5.5(xhigh) 83.4%, Opus 4.8(max) 78.9%, Opus 4.7(max) 78.9%
    • SWE Bench Pro समाधान दर: Grok 4.5 64.7%, Fable(max) 80.4%, Opus 4.8(max) 69.2%, Opus 4.7(max) 64.3%, GLM 5.2 62.1%, GPT 5.5(xhigh) 58.6%

  • training infrastructure और data processing

    • training infrastructure में दसियों हज़ार NVIDIA GB300 GPU का इस्तेमाल किया गया, और इसमें बड़े पैमाने की training runs के लिए stability techniques शामिल हैं
    • data processing में सिर्फ token scale के बजाय filtering और curation पर निवेश किया गया
      • deduplication
      • quality scoring
      • domain-केंद्रित selection
    • reinforcement learning को per-token intelligence पर फोकस करते हुए लाखों नहीं बल्कि कई लाख tasks पर चलाया गया
      • मुख्य tasks multi-step software engineering और अन्य technical tasks हैं
      • evaluation में automated grading और model-based grading का इस्तेमाल हुआ
      • agent-आधारित rollouts कई घंटों तक चल सकते हैं, और training एक asynchronous learning stack का उपयोग करती है जो दसियों हज़ार GPU पर लगातार चलती रहती है

  • coding use examples

    • Grok 4.5 को Rust, C/C++ के कठिन tasks से लेकर prompt-आधारित end-to-end app creation तक coding में मजबूत बताया गया है
    • उदाहरण prompt में threejs से space और solar system simulation बनाना, और उसमें time control, realistic motion, orbit, stars और modern HUD शामिल करना कहा गया है

speed, pricing और work tools support

  • Grok 4.5 80 TPS की model speed के साथ उपलब्ध है
  • SWE Bench Pro tasks के आधार पर औसत output token 15,954 हैं, जो Opus 4.8(max) के 67,020 से लगभग 4.2 गुना कम हैं
  • pricing input के प्रति 10 लाख token पर 2 डॉलर और output के प्रति 10 लाख token पर 6 डॉलर है
  • SpaceXAI का कहना है कि Grok 4.5 ने तुलना में शामिल leading models की तुलना में लगभग 2 गुना अधिक token efficiency हासिल की है, और tasks को आधे से भी कम steps में हल करता है

  • Grok Build और Office plugins

    • Grok 4.5, Grok Build का default model है
    • Grok Build web research, कई sheets के formulas और future reference के लिए sticky या notes शामिल करने वाले complex Excel models बना सकता है
    • PowerPoint में यह native shapes के साथ complex diagrams बना सकता है और intuitive slide content design कर सकता है
    • Word में यह स्पष्ट sentences लिखने में मदद करता है
    • Office plugins Word, PowerPoint, Excel के लिए उपलब्ध हैं

  • availability channels और restrictions

    • Grok 4.5 अभी Grok Build, सभी plans के Cursor, और SpaceXAI console में इस्तेमाल किया जा सकता है
    • सीमित रूप से Grok Build और Cursor में free Grok 4.5 usage दिया जा रहा है
    • EU में अभी SpaceXAI products या API console पर Grok 4.5 उपलब्ध नहीं है, और जुलाई के मध्य में उपलब्ध होने की उम्मीद है

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 3 시간 전
Hacker News राय

  • यह जानते हुए भरोसा करना मुश्किल लगता है कि xAI मॉडल के जवाबों को राजनीतिक नैरेटिव के हिसाब से सक्रिय रूप से एडजस्ट करता है
    सवाल उठता है कि ऐसे मॉडल पर enterprise environment में कैसे भरोसा किया जा सकता है जिसे backend में लगातार steer किया जा रहा हो

    • क्या ऐसा संभव नहीं कि सभी model providers भी अपने पसंदीदा राजनीतिक नैरेटिव के हिसाब से जवाबों को एडजस्ट कर रहे हों
    • पलटकर सवाल कि क्या बाकी models की स्थिति भी अलग है
    • अगर Claude से पश्चिमी देशों में अल्पसंख्यकों की अपराध दर या trans महिलाओं की biology जैसे संवेदनशील विषयों पर पूछा जाए, तो शायद उसके झूठ पकड़ में न आए हों
      मॉडल को झूठ दिखा भी दें, तो उससे यह मान करवाना आसान नहीं रहा होगा कि यह HRLF प्रक्रिया और built-in bias की वजह से है
      जब Claude से खुद यह कहलवाया जा सकता है कि उसे 10–15 प्रमुख research fields में इस्तेमाल नहीं किया जाना चाहिए, या वह मानता है कि “मुश्किल” मुद्दों पर sources अक्सर cherry-pick किए जाते हैं और बेहद गलत balance दिखाते हैं, तो लगता है कि सभी LLM biased हैं और उनमें से अधिकतर liberal तरफ झुके हैं
      उल्टा, test करने पर कई बार Grok, GPT या Gemini से ज्यादा politically correct जवाब देता था, और X users जानबूझकर उससे politically incorrect बातें निकलवा सकते थे, इसलिए उसे तीखी reputation मिल गई, ऐसा माना गया
      यह भी जोड़ा कि grok.com या app वाला Grok असल में काफी शांत है, बल्कि उबाऊ हद तक
    • अगर इसे political use के लिए न इस्तेमाल किया जाए तो क्या दिक्कत है
      अगर सिर्फ code generation के लिए इस्तेमाल करना है, तो ऐसी बातों की परवाह क्यों करनी चाहिए, यह रुख है
    • Elon की rhetoric और model behavior अच्छी तरह मेल नहीं खाते
      Grok Elon की आलोचना भी करता है और उनके द्वारा उठाए गए कई extreme right-wing points का खंडन भी करता है

  • लोगों के Grok इस्तेमाल करना चाहने पर हैरानी है
    xAI बहुत खुले तौर पर नैतिक रूप से दिवालिया कंपनी जैसी दिखती है, और ऐसी इकलौती AI company लगती है जिसे CSAM से कोई दिक्कत नहीं दिखती, या कम से कम उसे रोकने के लिए पर्याप्त नहीं करती
    उसे पैसा देने की कोई वजह नहीं है; अगर वही इकलौता option होता तो अलग बात, लेकिन अभी बिल्कुल ऐसा नहीं है

    • माना जाता है कि लोग उसी नैतिक रुख की वजह से पैसा देते हैं
      व्याख्या यह कि वे CSAM को सक्रिय रूप से ठीक मानते हैं या बस परवाह नहीं करते
    • यह सोच खतरनाक है कि AI companies बस एक, बहुत हुआ तो दो ही होनी चाहिए
      कौन ज्यादा नैतिक है यह तय करने के तरीकों ने इतिहास में बहुत अच्छे नतीजे नहीं दिए हैं
    • पहले Grok या नैतिक रूप से संदिग्ध products इस्तेमाल करने को लेकर काफी सोचा जाता था, लेकिन फिर लगा कि घर खरीदा है, software engineer salary से बहुत पैसा खर्च किया है, कुछ साल पहले SF जाकर शायद gentrification में योगदान दिया है, और चीन के अनगिनत बच्चों के पास education fees नहीं होने पर भी कुछ नहीं किया
      इसलिए Grok इस्तेमाल किया, परिवार को असहज कर देने जितना पैसा Chinese NGO को donate किया, और अभी mortgage बाकी है और खुद भी कुछ हद तक selfish हैं, इसलिए SF nonprofits को donate न करने का फैसला किया
      नैतिकता और अच्छे कामों को व्यावहारिक रवैये से देखना चाहिए, ऐसा मानते हैं
      Grok कई मायनों में पसंद है, और boycott करना भी नैतिक रूप से अच्छा है, लेकिन realistic रहते हुए किए जा सकने वाले और भी कई नैतिक विकल्प हैं, ऐसा सोचते हैं
    • AI industry के दिग्गजों की नैतिकता सभी संदिग्ध लगती है
      training corpus ज्यादातर चोरी का है, और सभी ऐसे कर्ज में डूबकर भी दौड़ रहे हैं जिससे निकलना मुश्किल है
      लेकिन products इतने useful हो गए हैं कि “नैतिक रूप से स्वीकार्य” LLM आने का इंतजार करते हुए पीछे हटने वाले बहुत कम होंगे, और ऐसा model अनिवार्य रूप से ज्यादा inferior होने की संभावना रखता है
      हालांकि CSAM के मामले में निर्णय करना मुश्किल है, और अगर xAI सचमुच इसे ठीक मानता है, तो यह बात मानते हैं कि वह अन्य companies से ज्यादा अनैतिक है

  • Grok 4.5 काफी economical दिखता है
    Opus की तुलना में reasoning efficiency 4 गुना बेहतर है और कीमत $2/$6 है; तुलना में GPT 5.4 $2.5/$15, GPT 5.5/5.6 $5/$30, Opus 4.8 $5/$25, और Fable $10/$50 हैं
    अगर benchmarks manipulate नहीं किए गए हैं, तो यह Opus 4.7 के स्तर जैसा दिखता है, और Elon ने https://x.com/elonmusk/status/2074911038286295049 पर जो कहा उससे भी मेल खाता है
    लगता है Cursor data काफी useful रहा होगा

    • $2/$6 pricing शायद सिर्फ context length 200K या उससे कम पर लागू होती है
      उससे ऊपर, maximum context 500K तक, कीमत दोगुनी होकर $4/$12 हो जाती है
      https://docs.x.ai/developers/models/grok-4.5
    • अनुमान है कि xAI के पास सबसे बड़े clusters में से एक है, लेकिन competitors की तुलना में popularity कम है, इसलिए उसे संभालने वाला traffic और tokens काफी कम हैं, और वह बचत end users तक पहुंचा सकता है
    • अच्छा होगा अगर Claude के $100 plan जैसी compute limits वाला समान tier plan हो
      Grok का $40/month version इस्तेमाल करता हूं, लेकिन महीने में “बिना रुके” Grok Build coding करने का समय अधिकतम करीब 8 घंटे है
    • जिज्ञासा है कि Chinese APIs की तुलना में यह कैसा है
      अगर xAI Chinese labs से meaningful रूप से ज्यादा capable या थोड़ा भी ज्यादा honest नहीं दिखता, तो जब तक यह बहुत सस्ता न हो, काम बस China को भेज देने में क्या हर्ज है, ऐसा लगता है
    • समान performance वाले Deepseek v4 Pro की तुलना में यह बहुत महंगा है
      Grok अजीब बीच की स्थिति में फंसा है। किसी भी क्षेत्र में सबसे अच्छा नहीं है, और सबसे सस्ता भी नहीं
      पिछला record ध्यान में रखने से पहले भी इसे इस्तेमाल करने की वजह बनाना मुश्किल है, और यह भी संदेह है कि खुद को “MechaHitler” कहने वाले model को company में इस्तेमाल करने का प्रस्ताव देना promotion दिलाएगा या नहीं

  • Cursor ब्लॉग के अनुसार, Cursor ने खरबों tokens वाले डेटा पर training की, जिसमें codebase और software tools के साथ वास्तविक user interactions की व्यापक झलक शामिल है
    इसी dataset की वजह से यह मौजूदा software के साथ-साथ developer-agent interactions से भी सीख सकता है, और developer के काम करने के तरीके तथा agent के environment के साथ interact करने के तरीके को पकड़ सकता है
    मुझे लगता है कि इतना बड़ा पैसा लगने की वजह यही है। Claude Code या Codex के गंभीर रूप लेने से पहले Cursor वास्तविक project data रखने वाला पहला बड़ा player था
    वास्तविक माहौल की कठिन समस्याओं पर reinforcement learning का इस्तेमाल करके उसे problem investigation, tool use, गलती से recover करना और results verify करना सिखाया गया; और जैसे-जैसे पुराने tasks में सिखाने के लिए कुछ नया नहीं बचता गया, frontier models तक fail हो जाएँ इतनी कठिन समस्याएँ design करनी पड़ीं
    इसमें ऐसा distributed agent system बनाया गया जहाँ engineers समस्या और verification का तरीका तय करते हैं, और बड़े पैमाने पर agents environment को configure, test और improve करते हैं; साथ ही previous-generation models से अगले iteration की training dataset तैयार कराने वाला ढाँचा है
    यह एक cycle है जिसमें model बेहतर होता है तो data भी बेहतर होता है और अगला model भी बेहतर बनता है; और जो लोग मानते हैं कि “Chinese models latest best level के करीब हैं”, उनके लिए Composer 2.5 training से तुलना भी है
    Anthropic को बहुत सारा compute देने के बाद xAI के पतन की जो राय है, वह कुछ अतिरंजित लगती है; Grok 4.5 को दसियों हजार NVIDIA GB300 GPU पर train किया गया

    • Microsoft के पास GitHub और Visual Studio होने के बावजूद अच्छा coding model नहीं है
    • previous-generation models से next-generation models के लिए data तैयार कराया जा सकता है, या उनसे सीधे synthetic data generate कराया जा सकता है
      पहले इसे खराब idea माना जाता था, लेकिन यह सामने आया है कि बहुत सारा compute खर्च करके data बनाने और उसे grade करने वाला scaffold बनाया जाए तो quality काफी अच्छी हो जाती है
    • बड़ा पैसा SpaceX stock में गया, और वह भी IPO के ठीक बाद के new shares में, इसलिए कुल मिलाकर यह काफी smart choice लगती है
    • मैंने कई बार पढ़ा है कि previous-generation model से अगले iteration के लिए dataset तैयार कराना training के लिए नुकसानदेह होता है
      असल में यह वही चीज समझा रहा है जिसे कई लोग distillation कहते हैं; मेरी समझ में यह post-training में behavior induce करने तक ही useful है और सिर्फ व्यवहार का तरीका सिखाता है, सोचने का तरीका नहीं
      हो सकता है मैं गलत हूँ, इसलिए कोई ज्यादा जानकार व्यक्ति समझा दे तो अच्छा होगा

  • अरबों dollars खर्च करके तीसरे नंबर का model बनाना आर्थिक रूप से कैसे sensible है, यह समझ नहीं आता
    नंबर 1 और 2 भी पहले से ही profit निकालने में मुश्किल में दिखते हैं, तो मैं क्या miss कर रहा हूँ, यह जानना चाहता हूँ
    मैं Ed Zitron वाले अंदाज़ में इसे अंत तक धकेलना नहीं चाहता, लेकिन समझ नहीं आ रहा

    • पहले यह काफी दूर का नंबर 4 था, और एक ही बार में OpenAI या Anthropic को catch up नहीं कर सकता, लेकिन ladder में एक rung ऊपर तो चढ़ा ही है
      short term में labs profitable नहीं हैं, और कहा जाता है कि Anthropic लगभग करीब पहुँच चुका है
      Amazon भी लंबे समय तक profit न होने के लिए मशहूर था, लेकिन आखिर में उसने बहुत बड़ी जीत हासिल की; इसी तरह मौजूदा profit investors के लिए हमेशा core point नहीं होता। अहम बात यह है कि क्या वे future profit potential पर भरोसा करते हैं
      Elon को शायद लगता है कि आगे economy का बड़ा हिस्सा AI से चलेगा, और tokens की economic value उन tokens को generate करने की cost से तेज़ी से बढ़ेगी। इसमें उस model की training cost का amortization भी शामिल है जो ये tokens बनाएगा
      इसलिए वह model train करने और inference cost वसूलने वाली lab बना रहा है, और लगता है कि उसे विश्वास है कि अभी नहीं तो अंततः profitability आएगी
      आप इससे सहमत हो सकते हैं, और वह Anthropic/OpenAI को हरा पाएगा या नहीं यह researchers को retain करने में हाल की मुश्किलों को देखते हुए और अनिश्चित है; लेकिन current profit, future profit potential में विश्वास का अच्छा indicator नहीं है
      Tesla और SpaceX की profitability भी बहुत खराब थी, लेकिन एक समय के बाद ऐसा नहीं रहा
      निजी तौर पर मैं इस बात से सहमत हूँ कि भविष्य में बहुत बड़ा profit आएगा, लेकिन Elon के Anthropic/OpenAI को हराने की क्षमता को लेकर उतना आश्वस्त नहीं हूँ
    • यह competitors जैसा ही सपना देखना है
      breakthrough ढूँढकर बढ़त हासिल करना और dominant position पर पहुँचना
      साथ ही, company के आसपास AI शब्द जुड़ा हो तो ज़रूरी numbers ऊपर जाते हैं, इसलिए Musk के लिए ऐसा in-house AI division उपयोगी है जिसे वह दूसरी companies के साथ जोड़कर valuation बढ़ा सके, भले ही product खुद loss दे रहा हो
    • थोड़ा मज़ाकिया नजरिया यह है कि permanent lower class से निकलने का यही एकमात्र रास्ता है, और Elon भी इसका exception नहीं है
    • यही बात अभी Google या कई दूसरी labs के बारे में भी कही जा सकती है
      कई विकल्पों वाला diversified market, browser wars जैसी चीज़ की repeat होने से रोकता है
    • यह market अभी ranking तय करने जितना mature या established नहीं है
      कई tech markets में शुरुआती दौर ने बाद के दौर की भविष्यवाणी नहीं की थी
      Grok को लेकर मैं व्यक्तिगत रूप से skeptical हूँ, लेकिन अगर Claude अपनी बढ़त खो देता है तो Cursor integration के जरिए यह profitable niche market बना सकता है

  • OpenRouter settings को ZDR-only पर रखा था, इसलिए मैंने कभी Grok models इस्तेमाल नहीं किए थे
    अभी check किया तो लगता है कि अब ZDR xAI endpoint है, इसलिए सच में try करने का सोच रहा हूँ
    कोई जानता है कि यह कब add हुआ?
    हालांकि anonymity section में “Requires user IDs” लिखा है, जो OpenRouter के लिए unusual है और कुछ खास अच्छा नहीं दिखता। आम तौर पर OpenRouter requests को providers तक anonymize करके भेजने वाला proxy है, लेकिन ZDR-only की तरह पूरे account में इसे enforce करने वाली setting मुझे नहीं मिली

  • पहली छाप काफ़ी अच्छी है
    tokens per second ज़्यादा हैं और लगभग 90 के आसपास लगते हैं, token efficiency भी बहुत ऊँची है, इसलिए speed के मामले में यह GPT 5.5, Opus 4.8, GLM 5.2 को आसानी से हरा देता है
    कीमत भी बहुत अच्छी है, और अगर API cost सीधे खुद दें तो GPT और Opus बहुत ज़्यादा महंगे हैं; token efficiency तक ध्यान में रखें तो यह शायद GLM 5.2 से भी सस्ता हो सकता है
    intelligence level समझने में काफ़ी समय लगेगा, लेकिन यह निश्चित तौर पर अच्छा है, और Opus वाली grade के निचले हिस्से में GLM 5.2 के साथ लगता है

    • सहमत हूँ
      Cursor में “यह test suite मेरी पसंद जितनी मज़बूत नहीं है, और नतीजों के बजाय internal state पर निर्भर मामले बहुत ज़्यादा हैं” वाली समस्या पर “review करके solution सुझाओ” कहा, तो इसने testing approach, strengths, weaknesses और gaps को अच्छी तरह समेटा और भरोसेमंद testing library https://hypothesis.readthedocs.io/en/latest/ पर आधारित एक systematic multi-approach सुझाया
      इस improvement में क्या करना है और क्या बाद के लिए टालना है, इन्हें अलग किया, बहुत कठिन या scope से बाहर हो सकने वाले cases पहचाने और उन पर focus करना है या नहीं, इसका विकल्प भी दिया; नए tests भी logical तरीके से बनाए
      एक बार feedback और plan adjustment के बाद इसे agent mode में चलाया, तो कुछ मिनटों बाद काफ़ी बेहतर test suite मिल गया
      मैंने Grok कभी इस्तेमाल नहीं किया था, इसलिए expectations कम थीं, लेकिन इसने वह complex और nuanced multi-step task शानदार ढंग से कर दिया जिसे पहले मैं सिर्फ GPT या Opus को ही सौंपता
      update के तौर पर, इसने एक पुराना वास्तविक bug भी ढूँढ निकाला। test improvements के बाद जब पूरे code और packaging की समीक्षा कराई, तो इसने छोटे defects और missing parts भी पकड़े, साथ ही error handling की weakness और एक काफ़ी शर्मनाक feature bug भी खोजकर fix किया और tests भी जोड़े
    • दिलचस्प है, लेकिन पता नहीं मैं कुछ गलत कर रहा हूँ या क्या, यह model लगभग इस्तेमाल करने लायक मुश्किल लग रहा है
      जिन basic requests में context की लगभग ज़रूरत नहीं होती, उन्हें भी बार-बार बिगाड़ देता है; जैसे helper function को inline करने को कहा तो 10 lines के बदलाव के बजाय related module का आधा हिस्सा फिर से लिख दिया

  • जिन 3 models को मैंने खुद इस्तेमाल किया, उनमें Grok ने personal use के लिए चाहिए था वह iOS app बनाने में सबसे अच्छा काम किया
    यह कुछ खास conditions वाला bicycle computer app था, और Claude ने हार मानकर HTML/CSS implementation की ओर जाने की कोशिश की, लेकिन मैंने native SwiftUI+Metal पर जोर दिया
    Grok भी कभी-कभी गलतियाँ करता है, लेकिन जिन हिस्सों के लिए मुझे लगा था कि हर बात अलग से बतानी पड़ेगी, उन्हें इसने surprisingly अच्छी तरह infer किया, जिससे मैं हैरान हुआ
    मैं iOS developer नहीं हूँ, इसलिए language और API महीनों/सालों सीखने के बजाय कुछ घंटों/दिनों में जो चाहिए था वह मिल जाना वाकई मददगार रहा
    Caddy को “vibe coding” करना बिल्कुल नहीं है, बस personal project के तौर पर छेड़छाड़ कर रहा हूँ

    • Claude का HTML/CSS implementation की ओर जाना और आपका native SwiftUI+Metal पर जोर देना बहुत अजीब है और मेरे experience के बिलकुल उलट है
      आपने नहीं बताया कि कौन सा model इस्तेमाल किया, लेकिन Opus 4.8 या Sonnet ने कभी मेरी चाही हुई language और stack को ignore नहीं किया
    • मैंने Opus 4.8 से native iOS development काफी किया है, और पहले 4.7/4.6 भी इस्तेमाल किए थे; यह बात पचाना मुश्किल है
      जानना चाहूँगा कि आपने Opus इस्तेमाल किया था या कोई और model
    • लगता है मैंने पहले भी ऐसा ही या बहुत मिलता-जुलता comment पढ़ा है
      bicycle computer iOS app और किसी model के हार मान जाने का सार वही था
      अलग से, Caddy के लिए सच में आभारी हूँ। नया project शुरू करने में इसने बहुत मदद की, और team onboarding के दौरान जिन error causes का ध्यान रखना पड़ता है उनमें से एक कम हो गया, क्योंकि default state में ही यह बस ठीक से काम करता था
    • जानना चाहूँगा कि Claude को Claude Code में इस्तेमाल किया था या नहीं
      कहीं Haiku जैसे weaker model का इस्तेमाल तो नहीं किया; Claude इतना खराब नहीं होना चाहिए जितना बताया गया
    • bicycle computer से संतुष्ट न होने वाले व्यक्ति के तौर पर, इनमें काफ़ी भयानक UI/UX decisions होते हैं, इसलिए जानना चाहूँगा कि आपने जो बनाया है उसे share या explain कर सकते हैं क्या
      web server मुझे पसंद है

  • Cursor ने भी model training में हिस्सा लिया था, और announcement post https://cursor.com/blog/grok-4-5 पर है
    खास तौर पर उन्होंने कहा कि Grok 4.5 और Composer 2.5 अलग-अलग model weight classes हैं, और उन्हें खुशी है कि वे दोनों sizes और weights को support कर पा रहे हैं
    Composer 2.5 उपलब्ध रहेगा और आगे भी इस size के नए models launch किए जाएंगे

    • Composer 2.5 Kimi 2.5 पर आधारित है, total 1T और active 32B है, और Elon ने सार्वजनिक रूप से कहा है कि Grok 4.5 में total 1.5T parameters हैं
      इन्हें अलग weight classes कहना मुश्किल है, difference बहुत बड़ा नहीं है
      API cost में अंतर लगभग 2.5x है, शायद इसलिए कि xAI को recover करने वाली cost कहीं ज़्यादा है

  • https://tools.simonwillison.net/markdown-svg-renderer#url=ht...

    • hamster भी लगातार बेहतर हो रहा है, लेकिन latest state-of-the-art models की तुलना में अभी भी काफ़ी दूर है
      https://aibenchy.com/showcase/?q=grok
    • ऐसा लग रहा है जैसे कोई ऐसी bicycle चला रहा हो जिसमें मोटे wheel caps वाले car wheels लगे हों